The good way to assess the independ

The good way to assess the independence of the sensor signals is the application of the statistical analysis of the variance
of these signals. We have applied the ANalysis Of VAriance (ANOVA) analysis [18] of the measured sensor signals for all types of coffee. In each case, we have got a p-value around 10−13 (probability that the sensor signals come from the same population—the so-called null hypothesis). This small p-value means that the null hypothesis should be rejected.
Fig. 4
presents the box plots produced by ANOVA corresponding to the original and normalized sensor signals for arabica. Very
similar plots have been obtained for other types of coffee mixtures.
Each box in Fig. 4 has lines at the lower quartile, median, and upper quartile values. Whiskers extend from each end of
the box to the adjacent values in the data. By default, the most extreme values within 1.5 times the interquartile range from the ends of the box. The points displayed with a red + sign denote outliers, i.e., the data with values beyond the ends of the whiskers.
In both cases (the original and normalized), the signals of the sensors occupy different ranges of values and have different
values of median, and we observe a lot of outliers. This is also the additional evidence of statistical independence of the sensor signals.
It is interesting to present the distribution of sensor signals on the radar plot. To present them in a more visible and understandable way, we have limited the presentation to only the five most representative classes of coffee blends: pure arabica A, pure robusta R, and three different mixtures RA10, RA50, and RA90.
Only one case of the measurement of each blend corresponding to the last pattern of sensor signals within the measurement window is depicted in Fig. 5. This plot confirms the variety of sensor responses corresponding to different mixtures of robusta and arabica. It is seen that the patterns of responses of the sensors are changing nonuniformly and the nonlinear methods of signal processing are needed to associate each pattern with a
particular type of blend.
The proper set of sensors used in the array should generate the independent signals for two different types of coffee. We
have calculated the cross-correlation coefficients of the signals obtained at 100 measured points for all 12 sensors, at the recognition of pure robusta and arabica. The selected results of the calculations concerning robusta and arabica are presented in Table I. They confirm relatively weak correlation existing between signals corresponding to these two types of coffee.

ผลลัพธ์ (ไทย) 1:

วิธีดีในการประเมินความเป็นอิสระของสัญญาณเซ็นเซอร์คือ การประยุกต์การวิเคราะห์ทางสถิติของค่าความแปรปรวนสัญญาณเหล่านี้ เราใช้การวิเคราะห์ความแปรปรวนของการวิเคราะห์ (วิเคราะห์ความแปรปรวน) [18] สัญญาณเซ็นเซอร์วัดทุกประเภทของกาแฟ ในแต่ละกรณี เราได้มีค่า p รอบ 10−13 (น่าเป็นที่สัญญาณเซ็นเซอร์ที่มาจากประชากรเดียวกัน — สมมติฐานว่างว่า) P-ค่านี้เล็กหมายความ ว่า ควรปฏิเสธสมมติฐานว่าง Fig. 4นำเสนอผืนกล่องที่ผลิต โดยวิเคราะห์ความแปรปรวนที่สอดคล้องกับสัญญาณเซ็นเซอร์เดิม และมาตรฐานสำหรับอาราบิก้า มากได้ถูกรับผืนคล้ายน้ำยาผสมกาแฟชนิดอื่น ๆกล่องละ Fig. 4 มีรายการที่ควอไทล์ล่าง มัธยฐาน และค่าควอไทล์บน หนวดขยายจากแต่ละจุดสิ้นสุดของกล่องค่าติดในข้อมูล โดยค่าเริ่มต้น ค่ามากที่สุดภายในเวลา 1.5 interquartile ช่วงจากปลายของกล่อง จุดที่แสดง ด้วยสีแดง + เครื่องหมายแสดง outliers เช่น ข้อมูลที่ มีค่าเกินกว่าปลายของหนวดที่ในทั้งสองกรณี (ต้นฉบับ และมาตรฐาน), ครอบครองช่วงแตกต่างกันของค่าสัญญาณของเซนเซอร์ และมีแตกต่างกันค่าของมัธยฐาน และเราสังเกตมาก outliers นี้ยังเป็นหลักฐานเพิ่มเติมของความเป็นอิสระทางสถิติของสัญญาณเซ็นเซอร์เป็นที่น่าสนใจเพื่อแสดงการกระจายของสัญญาณเซ็นเซอร์บนพล็อตเรดาร์ ปัจจุบันพวกเขาในลักษณะที่มองเห็น และเข้าใจมากขึ้น เรามีจำกัดงานนำเสนอเท่านั้น five คลาพนักงานมากที่สุดของกาแฟผสม: อาราบิก้าแท้ A รณรงค์บริสุทธิ์ R และส่วนผสมที่แตกต่างกันสาม RA10, RA50 และ RA90กรณีเดียววัดผสมผสานแต่ละรูปแบบของสัญญาณเซ็นเซอร์ภายในวัดหน้าต่างสุดท้ายตรงเป็นภาพใน Fig. 5 Confirms นี้พล็อตของเซ็นเซอร์ตอบสนองที่สอดคล้องกับโรบัสต้าและอาราบิก้าผสมแตกต่างกัน จะเห็นว่า มีการเปลี่ยนรูปแบบของการตอบสนองของเซนเซอร์ nonuniformly และไม่เชิงเส้นวิธีการประมวลผลสัญญาณจำเป็นต้องเชื่อมโยงแต่ละรูปแบบมีการชนิดเฉพาะของการผสมผสานชุดเหมาะสมของเซนเซอร์ที่ใช้ในอาร์เรย์ควรสร้างสัญญาณอิสระในสองประเภทของกาแฟ เรามีคำนวณ coefficients ความสัมพันธ์ระหว่างสัญญาณที่ได้รับในทั้งหมด 12 เซนเซอร์ ที่รู้อาราบิก้าและโรบัสต้าแท้ 100 วัดคะแนน ผลลัพธ์ของการคำนวณที่เกี่ยวข้องกับโรบัสต้าและอาราบิก้าที่เลือกจะแสดงในตารางผม พวกเขา confirm ความสัมพันธ์ค่อนข้างอ่อนที่มีอยู่ระหว่างสัญญาณที่สอดคล้องกับชนิดของกาแฟสองเหล่านี้

ผลลัพธ์ (ไทย) 2:

วิธีที่ดีในการประเมินความเป็นอิสระของสัญญาณเซ็นเซอร์คือการประยุกต์ใช้การวิเคราะห์ทางสถิติของความแปรปรวน
ของสัญญาณเหล่านี้ เราได้นำมาใช้วิเคราะห์ความแปรปรวน (ANOVA) การวิเคราะห์ [18] ของสัญญาณเซ็นเซอร์วัดสำหรับทุกประเภทของเครื่องชงกาแฟ ในแต่ละกรณีเราได้มี p-value รอบ 10-13 (น่าจะเป็นที่สัญญาณเซ็นเซอร์มาจากประชากรเดียวกันสมมติฐานที่เรียกว่า) ขนาดเล็กนี้ p-value หมายความว่าสมมติฐานควรจะปฏิเสธ.
รูป 4
นำเสนอแผนการกล่องที่ผลิตโดยวิเคราะห์ความแปรปรวนที่สอดคล้องกับต้นฉบับและสัญญาณเซ็นเซอร์ปกติอาราบิก้า มาก
แปลงที่คล้ายกันได้รับสำหรับประเภทอื่น ๆ ผสมกาแฟ.
แต่ละกล่องในรูป 4 มีสายที่ควอไทล์ที่ต่ำกว่าค่าเฉลี่ยและค่าควอไทล์บน เคราขยายจากจุดสิ้นสุดของแต่ละ
กล่องค่าที่อยู่ติดกันในข้อมูล โดยค่าเริ่มต้นค่ามากที่สุดภายใน 1.5 เท่าช่วง interquartile จากปลายของกล่อง จุดแสดงด้วยเครื่องหมาย + สีแดงแสดงถึงความผิดปกติคือข้อมูลที่มีค่าเกินปลายเครา.
ในทั้งสองกรณี (เดิมและปกติ) สัญญาณของเซ็นเซอร์ครอบครองช่วงที่แตกต่างของค่านิยมและมีความแตกต่าง
ของค่าเฉลี่ย และเราสังเกตจำนวนมากผิดปกติ และนี่ก็เป็นหลักฐานเพิ่มเติมของความเป็นอิสระทางสถิติของสัญญาณเซ็นเซอร์.
เป็นที่น่าสนใจที่จะนำเสนอการกระจายของสัญญาณเซ็นเซอร์บนพล็อเรดาร์ ที่จะนำเสนอให้พวกเขาในทางที่มองเห็นและเข้าใจเราได้รับการ จำกัด การนำเสนอเพียง Fi และเรียนตัวแทนมากที่สุดของกาแฟผสม. อาราบิก้าบริสุทธิ์, โรบัสต้าบริสุทธิ์ R และสามผสมที่แตกต่างกัน RA10, RA50 และ RA90
เพียงหนึ่งกรณีของ การวัดของแต่ละผสมผสานสอดคล้องกับรูปแบบสุดท้ายของสัญญาณเซ็นเซอร์ภายในหน้าต่างวัดเป็นที่ปรากฎในรูป 5. พล็อตนี้แย้งไฟ RMS ความหลากหลายของการตอบสนองเซ็นเซอร์ที่สอดคล้องกับของผสมที่แตกต่างกันของโรบัสต้าและอาราบิก้า จะเห็นได้ว่ารูปแบบของการตอบสนองของเซ็นเซอร์ที่มีการเปลี่ยนแปลง nonuniformly และวิธีการเชิงเส้นของการประมวลผลสัญญาณมีความจำเป็นที่จะเชื่อมโยงรูปแบบที่แต่ละคนมี
ประเภทเฉพาะของการผสมผสาน.
ชุดที่เหมาะสมของเซ็นเซอร์ที่ใช้ในอาร์เรย์ควรสร้างสัญญาณอิสระสอง ประเภทที่แตกต่างกันของกาแฟ เรา
ได้คำนวณข้ามความสัมพันธ์ COEF cients สายสัญญาณที่ได้รับที่ 100 จุดวัดทั้งหมด 12 เซ็นเซอร์ในการรับรู้ของโรบัสต้าบริสุทธิ์และอาราบิก้า ผลการเลือกของการคำนวณเกี่ยวกับโรบัสต้าและอาราบิก้าถูกแสดงไว้ในตารางที่ I. พวกเขาแย้ง Fi RM ความสัมพันธ์ที่ค่อนข้างอ่อนแอที่มีอยู่ระหว่างสัญญาณที่สอดคล้องกับทั้งสองประเภทของกาแฟ

ผลลัพธ์ (ไทย) 3:

วิธีที่ดีเพื่อประเมินความเป็นอิสระของเซ็นเซอร์สัญญาณการประยุกต์ใช้สถิติการวิเคราะห์ความแปรปรวน
ของสัญญาณเหล่านี้ เราได้ประยุกต์ใช้การวิเคราะห์ความแปรปรวน ( ANOVA ) การวิเคราะห์ [ 18 ] ของเซนเซอร์วัดสัญญาณสำหรับทุกประเภทของกาแฟ ในแต่ละกรณีเราได้ผลประมาณ 10 − 13 ( น่าจะเป็นที่เซนเซอร์สัญญาณที่มาจากประชากรเดียวกันสมมติฐานโมฆะที่เรียกว่า ) ร้อยละขนาดเล็กซึ่งหมายความว่าสมมติฐานโมฆะควรจะปฏิเสธ รูปที่ 4

ของขวัญกล่องแปลงผลิตโดยการวิเคราะห์ความแปรปรวน ( ANOVA ) ที่สอดคล้องกับมาตรฐานเดิม และเซ็นเซอร์สัญญาณอาราบิก้า
มากๆแปลงที่คล้ายกันได้รับสำหรับประเภทอื่น ๆของการผสมกาแฟ ในรูปที่ 4
แต่ละกล่องมีเส้นในเวลาต่ำกว่าค่ามัธยฐาน และบนเวลาค่า หนวดขยายจากแต่ละจุดสิ้นสุด
กล่อง ค่า ที่อยู่ในข้อมูล โดยค่าเริ่มต้น , มากที่สุดภายใน 1.5 เท่าของค่าพิสัยระหว่างควอไทล์ จากปลายของกล่อง คะแนนที่แสดงด้วยเครื่องหมายสีแดงแสดงถึงค่าผิดปกติ เช่นข้อมูลที่มีค่าเกินปลายหนวด .
ในทั้งสองกรณี ( ที่ปกติ ) , สัญญาณของเซ็นเซอร์ครอบครองช่วงต่างของค่าและมีค่าแตกต่างกัน
ของมัธยฐาน และเราสังเกตมากผิดปกติ . นี้ยังเป็นหลักฐานเพิ่มเติมของสถิติความเป็นอิสระของเซ็นเซอร์สัญญาณ .
มันน่าสนใจที่จะแสดงการกระจายของสัญญาณเซ็นเซอร์เรดาร์ที่แปลง นำเสนอในลักษณะที่มองเห็นได้ และเข้าใจเราได้ จำกัด จึงได้เสนอให้มีตัวแทนมากที่สุดของกาแฟอาราบิก้าผสมชั้นเรียน : บริสุทธิ์ , บริสุทธิ์ โรบัสต้า R และสามที่แตกต่างกันผสม ra10 ra50 และ ra90
, .เพียงรายเดียว ในการวัดของแต่ละส่วนผสมที่สอดคล้องกับรูปแบบสุดท้ายของสัญญาณเซ็นเซอร์ภายในหน้าต่างการวัดที่ปรากฎในรูปที่ 5 ที่แปลงนี้หลอกจึงเรื ความหลากหลายของการตอบสนองที่แตกต่างกันของเซ็นเซอร์ผสมโรบัสต้าและอาราบิก้าจะเห็นได้ว่า รูปแบบของการตอบสนองของเซ็นเซอร์จะเปลี่ยน nonuniformly และเชิงเส้นวิธีการประมวลผลสัญญาณต้องการที่จะเชื่อมโยงแต่ละรูปแบบด้วย

ประเภทเฉพาะของการผสมผสาน การตั้งค่าที่เหมาะสมของเซ็นเซอร์ที่ใช้ในอาร์เรย์จะสร้างสัญญาณอิสระสองประเภทที่แตกต่างกันของกาแฟ เรา
ได้คำนวณ cross-correlation coef จึง cients ของสัญญาณที่ได้รับ 100 วัดคะแนนทั้งหมด 12 เซ็นเซอร์ในการรับรู้ของโรบัสต้าแท้ และอาราบิก้า เลือกผลลัพธ์ของการคำนวณที่เกี่ยวข้องกับอาราบิก้าโรบัสต้าและนำเสนอตารางผมก็กอนจึงค่อนข้างอ่อนแอ ความสัมพันธ์ที่มีอยู่ระหว่าง RM สัญญาณที่สอดคล้องกับเหล่านี้สองชนิดของกาแฟ